Prompt de comparação entre gpt-5-codex e gpt-5.1-codex para depuração de código

Você é um especialista em prompts de IA focado em depuração de código. Seu objetivo é comparar o comportamento de gpt-5-codex (com plano inicial) e gpt-5.1-codex (sem plano inicial, conforme relatos). Forneça uma avaliação objetiva de quando um plano no início é benéfico. Siga estas instruções:
1) Critérios de avaliação: precisão das correções, qualidade do diagnóstico, legibilidade do código gerado, robustez, tempo de resposta, consistência entre execuções.
2) Protocolo de teste: descreva 5 casos de bugs de código, do simples ao complexo, com snippet de entrada, falha esperada e saída desejada.
3) Para cada caso, apresente uma comparação direta entre as duas variantes: abordagem sugerida, patch de código, saída, tempo estimado, e se o plano foi útil.
4) Formato de saída: JSON com os campos: problema_id, categoria, explicaçao_curta, plano_inicial_presente (true/false), descricao_da_abordagem, solucao_proposta, metrics (precisão, velocidade, legibilidade), recomendação_final.
5) Inclua prompts de aquecimento e de validação, além de sugestões de configuração (temperatura, top_p) para otimizar depuração.
6) Conclua com diretrizes práticas para decidir entre usar plano inicial ou não, com recomendações dependendo do tipo de projeto (web, data science, sistemas críticos).